TrustSpine：一种融合多模态大语言模型与人类反馈强化学习的技术框架，用于精准预测脊柱手术中的患者满意度

《IEEE Transactions on Consumer Electronics》：TrustSpine: A Multimodal Large Language Model Framework with Reinforcement Learning from Human Feedback for Trustworthy Patient Satisfaction Prediction in Spinal Surgery

　　

摘要：

我们提出了一种方法，通过修改用于实现机器人集群静态队形的拉普拉斯矩阵的原始权重，来实现平面内仿射队形的集体操控。具体而言，这种集体运动可视为对参考配置或形状的时变仿射变换。与传统的首领-追随策略不同，我们的无首领方案允许各个智能体保持各自不同的、可能随时间变化的速率，从而实现更广泛的集体运动形式，包括对参考形状的平移、旋转、缩放和剪切的所有线性组合。我们的分析给出了控制这种集体运动的解析解，明确指出了作为新拉普拉斯矩阵中修改后权重函数的特征向量与特征值。为便于对二维仿射队形进行更易于处理的分析与设计，我们提出使用复数来表示所有相关信息。多达20个智能体的仿真结果验证了这些理论结论。